ReQFlow: Исправленный кватернионный поток для эффективного и высококачественного генерации белковых скелетов

ReQFlow: Rectified Quaternion Flow for Efficient and High-Quality Protein Backbone Generation

February 20, 2025

Авторы: Angxiao Yue, Zichong Wang, Hongteng Xu

cs.AI

Аннотация

Генерация белкового остова играет ключевую роль в дизайне белков de novo и имеет большое значение для многих биологических и медицинских приложений. Хотя диффузионные и потоковые генеративные модели предлагают потенциальные решения для этой сложной задачи, они часто генерируют белки с нежелательной проектируемостью и страдают от вычислительной неэффективности. В данном исследовании мы предлагаем новый метод согласования исправленного кватернионного потока (ReQFlow) для быстрой и качественной генерации белкового остова. В частности, наш метод генерирует локальное перемещение и 3D-вращение из случайного шума для каждого остатка в белковой цепи, представляя каждое 3D-вращение в виде единичного кватерниона и строя его поток с помощью сферической линейной интерполяции (SLERP) в экспоненциальной форме. Мы обучаем модель методом согласования кватернионного потока (QFlow) с гарантированной численной устойчивостью и исправляем модель QFlow для ускорения её вывода и повышения проектируемости генерируемых белковых остовов, что приводит к предложенной модели ReQFlow. Эксперименты показывают, что ReQFlow достигает наилучших результатов в генерации белкового остова, требуя значительно меньше шагов выборки и значительно меньше времени на вывод (например, в 37 раз быстрее, чем RFDiffusion, и в 62 раза быстрее, чем Genie2 при генерации остова длиной 300), демонстрируя её эффективность и производительность. Код доступен по адресу https://github.com/AngxiaoYue/ReQFlow.

English

Protein backbone generation plays a central role in de novo protein design and is significant for many biological and medical applications. Although diffusion and flow-based generative models provide potential solutions to this challenging task, they often generate proteins with undesired designability and suffer computational inefficiency. In this study, we propose a novel rectified quaternion flow (ReQFlow) matching method for fast and high-quality protein backbone generation. In particular, our method generates a local translation and a 3D rotation from random noise for each residue in a protein chain, which represents each 3D rotation as a unit quaternion and constructs its flow by spherical linear interpolation (SLERP) in an exponential format. We train the model by quaternion flow (QFlow) matching with guaranteed numerical stability and rectify the QFlow model to accelerate its inference and improve the designability of generated protein backbones, leading to the proposed ReQFlow model. Experiments show that ReQFlow achieves state-of-the-art performance in protein backbone generation while requiring much fewer sampling steps and significantly less inference time (e.g., being 37x faster than RFDiffusion and 62x faster than Genie2 when generating a backbone of length 300), demonstrating its effectiveness and efficiency. The code is available at https://github.com/AngxiaoYue/ReQFlow.